Gen-2

AI模型开发社区

Watsonx.ai是IBM于5月9日发布的新一代企业级生成式人工智能和机器学习平台，Watsonx.ai将由基础模型驱动的新的生成性人工智能和传统的机器学习结合起来，成为一个跨越人工智能生命周期的强大平台。使用Watsonx.ai，开发人员可以轻松地训练、验证、调整和部署模型，只需用一小部分数据在短期时间内快速建立人工智能应用。预计Watsonx.ai将在7月全面上市。

StableLM是由Stable Diffusion背后的团队Stability AI最新推出的开源的类ChatGPT大语言模型，该模型目前处于Alpha版本，拥有的参数量分别为30亿和70亿，后续还将推出150亿到650亿参数模型。

Gemma是什么Gemma是由谷歌DeepMind和谷歌的其他团队开发的一系列轻量级、先进的开放AI模型，基于与Gemini模型相同的技术，旨在帮助开发者和研究人员构建负责任的AI应用。Gemma模型系列包括两种权重规模的模型：Gemma 2B 和 Gemma 7B，提供预训练和指令微调版本，支持多种框架，如JAX、PyTorch和TensorFlow，以在不同设备上高效运行。6月28日，第二代模型Gemma 2已发布。Gemma的官方入口Gemma的官网主页：https://ai.google.dev/gemma?hl=zh-cnGemma的Hugging Face模型：https://huggingface.co/models?search=google/gemmaGemma的Kaggle模型地址：https://www.kaggle.com/models/google/gemma/code/Gemma的技术报告：https://storage.googleapis.com/deepmind-media/gemma/gemma-report.pdf官方PyTorch实现GitHub代码库：https://github.com/google/gemma_pytorchGemma的Google Colab运行地址：https://colab.research.google.com/github/google/generative-ai-docs/blob/main/site/en/gemma/docs/lora_tuning.ipynbGemma的主要特性轻量级架构：Gemma模型设计为轻量级，便于在多种计算环境中运行，包括个人电脑和工作站。开放模型：Gemma模型的权重是开放的，允许用户在遵守许可协议的情况下进行商业使用和分发。预训练与指令微调：提供预训练模型和经过指令微调的版本，后者通过人类反馈强化学习（RLHF）来确保模型行为的负责任性。多框架支持：Gemma支持JAX、PyTorch和TensorFlow等主要AI框架，通过Keras 3.0提供工具链，简化了推理和监督微调（SFT）过程。安全性与可靠性：在设计时，Gemma遵循Google的AI原则，使用自动化技术过滤训练数据中的敏感信息，并进行了一系列安全评估，包括红队测试和对抗性测试。性能优化：Gemma模型针对NVIDIA GPU和Google Cloud TPUs等硬件平台进行了优化，确保在不同设备上都能实现高性能。社区支持：Google提供了Kaggle、Colab等平台的免费资源，以及Google Cloud的积分，鼓励开发者和研究人员利用Gemma进行创新和研究。跨平台兼容性：Gemma模型可以在多种设备上运行，包括笔记本电脑、台式机、物联网设备和云端，支持广泛的AI功能。负责任的AI工具包：Google还发布了Responsible Generative AI Toolkit，帮助开发者构建安全和负责任的AI应用，包括安全分类器、调试工具和应用指南。Gemma的技术要点模型架构：Gemma基于Transformer解码器构建，这是当前自然语言处理（NLP）领域最先进的模型架构之一。采用了多头注意力机制，允许模型在处理文本时同时关注多个部分。此外，Gemma还使用了旋转位置嵌入（RoPE）来代替绝对位置嵌入，以减少模型大小并提高效率。GeGLU激活函数取代了标准的ReLU非线性激活，以及在每个Transformer子层的输入和输出都进行了归一化处理。训练基础设施：Gemma模型在Google的TPUv5e上进行训练，这是一种专为机器学习设计的高性能计算平台。通过在多个Pod（芯片集群）上进行模型分片和数据复制，Gemma能够高效地利用分布式计算资源。预训练数据：Gemma模型在大量英语数据上进行预训练（2B模型大约2万亿个token的数据上预训练，而7B模型则基于6万亿个token），这些数据主要来自网络文档、数学和代码。预训练数据经过过滤，以减少不想要或不安全的内容，同时确保数据的多样性和质量。微调策略：Gemma模型通过监督式微调（SFT）和基于人类反馈的强化学习（RLHF）进行微调。这包括使用合成的文本对和人类生成的提示响应对，以及基于人类偏好数据训练的奖励模型。安全性和责任：Gemma在设计时考虑了模型的安全性和责任，包括在预训练阶段对数据进行过滤，以减少敏感信息和有害内容的风险。此外，Gemma还通过了一系列的安全性评估，包括自动化基准测试和人类评估，以确保模型在实际应用中的安全性。性能评估：Gemma在多个领域进行了广泛的性能评估，包括问答、常识推理、数学和科学问题解答以及编码任务。Gemma模型与同样规模或更大规模的开放模型进行了性能对比，在MMLU、MBPP等18个基准测试中，有11个测试结果超越了Llama-13B或Mistral-7B等模型。开放性和可访问性：Gemma模型以开源的形式发布，提供了预训练和微调后的检查点，以及推理和部署的开源代码库。这使得研究人员和开发者能够访问和利用这些先进的语言模型，推动AI领域的创新。常见问题Gemma一词的含义是什么？Gemma在拉丁语中的意思是“宝石”。Gemma是开源的吗？Gemma是开源开放的大模型，用户可在Hugging Face查看和下载其模型。Gemma模型的参数量是多少？Gemma目前提供20亿和70亿参数量的模型，后续还会推出新的变体。

Viva是什么Viva是由智象未来（HiDream.ai）推出的一个免费的AI创意视觉生成平台，提供文本到图像、文本到视频、图像到视频等多种生成功能。用户只需输入描述性的文字或上传图片，Viva AI就能生成具有逼真效果的短视频。该平台具备AI视频生成、AI图像增强、视频增强、创意滤镜、和自动背景移除等特性，支持多种视频参数设置，如长宽比、运动强度等，并且提供4K分辨率放大，旨在帮助用户轻松创造和提升视觉内容，让每个瞬间都变得生动。Viva的主要功能AI视频生成：Viva AI突破了传统视频制作的界限，能够根据文本描述（文生视频）或现有图像（图生视频）生成引人入胜的视频内容，为视频创作者提供了无限的可能性。AI图像生成：利用AI的强大能力，Viva AI能够根据用户的文本描述或现有图像，创造出全新的视觉作品，极大地丰富了图像创作的维度。AI图像增强：平台的AI图像增强功能可以显著提升图像的清晰度、色彩和细节，使得每一张图像都焕发出专业级别的光彩。AI视频增强：Viva AI的视频增强技术能够对视频内容进行深度优化，无论是提高分辨率（最高4K）还是增强动态效果，都能让视频内容更加生动和吸引人。图像重绘：Viva AI的图像重绘功能允许用户对图像进行风格转换或外观调整，满足个性化设计的需求，创造出独一无二的视觉体验。图像扩展：通过智能算法，Viva AI能够无缝扩展图像的画幅或内容，同时保持图像质量，为用户提供更大的创作空间。图像消除：Viva AI的自动背景移除功能，使用户能够轻松去除图像中的背景元素，专注于突出主题，简化了复杂的图像编辑过程。如何使用Viva生成视频访问Viva的官网（vivago.ai/video），国内版为HiDream.ai选择Text to Video文生视频输入提示词，设置负面提示词、视频画面比例和运动强度最后点击Generate等待视频生成即可你也可以选择Image to Video上传图片进行图生视频Viva的应用场景社交媒体内容：创作者可以利用Viva生成有趣的视频内容，用于吸引粉丝和提高社交媒体平台的互动率。广告制作：企业或个人可以使用Viva快速制作广告视频，节省成本同时保持创意和吸引力。电影和视频制作：电影制作人和视频编辑者可以使用Viva作为前期创意和概念验证的工具。艺术创作：艺术家和设计师可以使用Viva将他们的创意想法转化为视觉作品，探索新的艺术表现形式。个人娱乐：用户可以为自己或朋友制作个性化的视频，用于纪念特殊时刻或分享生活趣事。

有言是什么有言是由魔珐科技推出的一个一站式AIGC视频创作和3D数字人生成平台，通过提供海量超写实3D虚拟人角色，帮助用户无需真人出镜即可制作视频。该平台基于魔珐自研的AIGC技术，支持用户输入文字快速生成3D内容，并提供自定义编辑、字幕、动效、背景音乐等后期包装功能，简化视频制作流程，让创作变得高效而有趣。有言的主要功能一站式服务：有言整合了从内容生成到后期制作的全套流程，为用户提供了从开始到完成的一站式视频创作解决方案。海量3D虚拟角色库：有言拥有大量高质量的超写实3D虚拟人角色，用户可以根据视频主题和风格选择合适的角色，免去真人出镜的需要。一键生成3D内容：用户只需输入文字，平台即可基于AIGC技术自动生成相应的3D动画、形象和场景，极大地加快了视频制作的初步构建过程。自定义编辑功能：生成的3D内容可以进行详细的自定义编辑，包括调整镜头、角色动作、表情等，以满足用户的个性化需求。后期包装工具：有言提供了一系列后期包装工具，包括添加字幕模板、文字模板、贴纸动效、背景音乐（BGM）和制作片头片尾等，使得视频更具吸引力和专业感。镜头和素材编辑：平台的智能剪辑功能可以帮助用户高效地进行视频剪辑，优化视频节奏和流畅度。用户还可以在有言平台上编辑和整合各种素材，包括图片、视频片段、音效等，以丰富视频内容。如何使用有言访问有言的官网（youyan3d.com），点击右上角登录按钮进行注册/登录登录成功后会跳转到后台界面，点击右上角的新建作品，选择视频版式（横屏或竖屏）然后选择模版、演播室、人物、素材，编辑视频脚本、自定义景别点击渲染视频进行生成、然后进行视频包装（如添加音效、文字、字幕等）最后点击导出即可有言的产品价格免费版：个人版内容素材免费体验、基础版编辑器免费体验、900言币、单条视频时长不超过 3分钟、含品牌水印个人版：价格49.8元/月起，提供个人商用授权。用户根据选择的月套餐或年套餐，可以获得不同数量的言币和视频生成时长，月套餐预计可生成8分钟视频，年套餐则为96分钟。同样提供数百款AIGC资产和DIY编辑人物形象功能，支持最高1080P的视频导出。有言的应用场景教育与培训：教育工作者可以利用有言创建教学视频，通过3D虚拟角色来解释复杂的概念或进行模拟教学，提高学习者的参与度和理解力。营销与广告：企业和营销人员可以使用有言制作吸引人的产品演示视频或广告短片，通过高质量的3D动画和虚拟角色来吸引目标受众的注意力。社交媒体内容制作：内容创作者可以利用有言快速制作出适合社交媒体平台的短视频内容，如抖音、微博等，增强粉丝互动和提高曝光率。企业宣传与演示：公司可以使用有言制作企业介绍、项目提案或产品展示的视频，以更加生动和专业的方式向客户或合作伙伴展示企业实力。个人品牌建设：个人创作者和博主可以通过有言创建个人介绍视频或专业讲解视频，建立和提升个人品牌形象。娱乐与创意表达：有言平台的丰富功能支持艺术家和创意人士制作动画短片、音乐视频或其他创意作品，实现他们的艺术构想。新闻与报道：新闻机构或独立记者可以使用有言快速生成新闻报道视频，尤其在无法现场拍摄的情况下，通过3D虚拟场景和角色来重现新闻事件。虚拟活动与直播：在线上活动或直播中，主办方可以利用有言创建虚拟主持人或演讲者，为活动增添科技感和创新元素。

Google AI文字到图像生成模型

通义千问官网通义千问是基于的大语言模型的产品，它利用自然语言